Anomalien erkennen und in Echtzeit reagieren KI wird Problemlöser im IoT

Anbieter zum Thema

Disy Informationssysteme GmbH

Confluent Germany GmbH

Fivetran Germany GmbH

Im Kontext des Internets of Things, in dem Big Data eine wichtige Rolle im Zusammenhang mit der flächendeckenden Vernetzung von Milliarden von Geräten zukommt, wird es immer wichtiger, Daten so früh wie möglich zu filtern.

Aktuellen Prognosen zufolge sollen im Jahr 2020 bis zu 50 Milliarden Geräte im Internet eingebunden sein, wobei Big Data eine Schlüsselfunktion zukommt.

Die im Zusammenhang mit dem Internet der Dinge zu bewältigenden Datenmengen werden laut Dr. Joachim Schaper, Vice President & Head of Research Organization bei AGT International, einem weltweit führenden Anbieter für Internet of Things (IoT) Analytics und Cloud-Lösungen, sind so enorm, dass sie gefiltert werden müssen. Nur so könnten sie im Gerät direkt und ohne Zeitverlust verarbeitet werden und an andere Systeme zur Evaluation und Analyse übermittelt werden.

Das mache vollkommen neue Analytics-Lösungen erforderlich, zumal eine Verarbeitung direkt im Gerät oft ohnehin effizienter sei. Die große Masse an Daten im „Internet of Everything“ brauche, so Schaper, immense Bandbreiten. Das gelte auch für die Speicherung. Hinzu komme die Heterogenität der erfassten unstrukturierten Daten sowie geografisch häufig weit verteilte Datenquellen.

Ein Großteil der erfassten Daten ist nicht für Analytics nutzbar

Leider ließen sich, so Schaper weiter, ein Großteil der erfassten Daten nicht für Analysen nutzen, seien aber vor Ort dennoch wertvoll. Oft sei es wirkungsvoller, den praktischen Nutzen in den Vordergrund zu stellen und eine Reaktion im Gerät in Echtzeit zu erreichen – mit dem Ziel, dass das Gerät seine typischen Zustände lernt und über die Zeit Anomalien selbstständig melden könne. Die mit dieser Art von künstlicher Intelligenz verbundenen Möglichkeiten werden künftig immer öfter eingesetzt werden, ergänzt Schaper.

Künstliche Intelligenz und Big Data

Komplexe Systeme wie Roboter könnten heute nicht nur immer mehr Daten verarbeiten, sondern dank selbstkonfigurierender Analytics-Komponenten durch einen regelmäßigen Abgleich mit vorhandenen Daten etwaige kritische Abweichungen von Standards identifizieren und im Bedarfsfall sofort reagieren.

Beispiele dazu nennt Schaper ebenfalls:

• Registriert etwa im Produktionsprozess oder Labor ein Sensor ein offenes Ventil, schaltet sich das Gerät sofort automatisch ab.

• Kameras zur Baustellenüberwachung reagieren, wenn sich Personen zu ungewohnter Zeit und mit ungewohntem Bewegungsmuster in ihrem Fokus befinden und können einen Alarm auslösen.

• Auch Behörden setzen die Technologie im Straßenverkehr ein. So erkennt eine Kamera an der Ampel einen langsamen Passanten, dem die übliche Grünphase etwa aufgrund einer Gehbehinderung nicht ausreicht. Eine direkt eingeleitete Zeitverzögerung beim Umschalten auf Rot erleichtert die Verkehrsteilnahme und reduziert potenzielle Unfälle.

Maschinelles Lernen

Insgesamt arbeiten Lösungsanbieter immer häufiger daran, Analytics für Big Data in innovativen Anwendungen zugänglich zu machen. Module, die auf maschinellem Lernen beruhen und in die Endgeräte integriert sind, werden daher immer mehr an Bedeutung gewinnen. Nach Einschätzung von AGT International wird die Weiterentwicklung dieser Form von künstlicher Intelligenz den gesellschaftlichen Lebensalltag in vielen Bereichen durchgreifend verändern.

(ID:43506196)